Машинное обучение — это сегодня один из самых быстро развивающихся разделов информатики, с приложениями в самых разных областях. Цель этой книги — познакомить читателя с фундаментальными принципами машинного обучения и характерными для него алгоритмическими парадигмами.

Книга вмещает в себя обширный свод основополагающих теоретических идей машинного обучения и математические выкладки, благодаря которым эти идеи становятся практическими алгоритмами. После изложения базовых основ дисциплины рассматривается широкий спектр тем, не нашедших достаточного отражения в предшествующих учебниках: вычислительная сложность обучения, понятия выпуклости и устойчивости, важные алгоритмы, включая стохастический градиентный спуск, нейронные сети и обучение структурированному выводу, а также совсем недавние теоретические концепции, например, PAC-байесовский подход и границы сжатия.

Задача инструментов машинного обучения – наделить программы способностью «обучаться» и адаптироваться. Первая цель этой книги – предложить строгое и вместе с тем достаточно простое для чтения введение в основные вопросы машинного обучения: что такое обучение; как обучается машина; как количественно оценить ресурсы, необходимые для обучения данной концепции; всегда ли возможно обучение; как узнать, завершился процесс обучения успешно или неудачно.

Вторая цель книги – изложить некоторые важнейшие алгоритмы машинного обучения. Мы выбрали алгоритмы, которые, с одной стороны, успешно применяются на практике, а с другой – представляют широкий спектр технических приемов обучения. Кроме того, мы уделили особое внимание алгоритмам, пригодным для обучения на больших объемах данных (так называемых «больших данных»), поскольку в последние годы наш мир стремительно «оцифровывается», так что объем данных, доступных для обучения невероятно вырос. В результате многие приложения больше не испытывают недостатка в данных, и узким местом становится время вычислений. Поэтому мы явным образом оцениваем как объем данных, так и время, необходимое для обучения данной концепции.

Книга была задумана как повышенный курс для студентов средних и старших курсов, фундаментальные основы и алгоритмы машинного обучения излагаются в форме, доступной студентам и читателям, которые не являются специалистами в области информатики, математической статистики, математики и технических дисциплин.

Название: Идеи машинного обучения: от теории к алгоритмам
Автор: Шай Шалев-Шварц, Шай Бен-Давид
Издательство: ДМК Пресс
Год: 2019
Страниц: 436
Язык: русский
Формат: pdf
Размер: 10.3 MB

Скачать Идеи машинного обучения: от теории к алгоритмам